Исследователи создали "семейное древо" для лучшего прогнозирования мутаций гриппа

Человеческий иммунитет вырабатывает ответ на вирус гриппа, который может быть активирован при повторном заражении. Однако вирус быстро мутирует, что приводит к рецидивирующим инфекциям. Ключевой проблемой для здравоохранения является прогнозирование генетических мутаций штаммов от года к году.

Изменяя поверхностные гликопротеины, вирус гриппа ускользает от антител, нацеленных на его генетических предков. В настоящее время Всемирная организация здравоохранения (ВОЗ) через систему Global Influenza Surveillance and Response System (GISRS) определяет производство вакцин, оценивая антигенные фенотипы циркулирующих вирусов.

Международная группа исследователей разработала и протестировала новую методику визуализации антигенных изменений вируса, отображая их вдоль пути, связывающего вирусы в филогенетическом дереве. Это позволяет прогнозировать антигенность, анализируя один поверхностный гликопротеин — гемагглютинин (HA). Метод отличается от подхода GISRS, который отслеживает генотипы и антигенные свойства вирусов. Результаты опубликованы в Proceedings of the National Academy of Sciences.

Новая модель, основанная на структуре филогенетического дерева последовательностей HA, точно описывает антигенные свойства сезонных вирусов гриппа. Для её создания исследователи изолировали вирусы типа A и B из базы данных Global Initiative on Sharing Avian Influenza Data (GISAID).

Модель учитывает данные по титрам гемагглютинации (HI) — минимальной концентрации антисыворотки, необходимой для предотвращения сшивания эритроцитов стандартизированным количеством вируса, — собранные из источников ВОЗ. Учёные создали конвейер обработки данных, который проводил субдискретизацию вирусов, выравнивание последовательностей и построение филогенетического дерева. Модель показывает, что титры HI имеют симметричную древовидную структуру, полезную в качестве меры антигенного расстояния между вирусами.

Долгое время исследователи предпочитали двумерный картографический анализ мутаций гриппа по параметрам вирусов и антисывороток. Добавление других измерений не улучшало прогностическую силу. Новая древовидная модель по сути имеет бесконечную размерность, но предсказывает титры с точностью, сравнимой или лучшей, чем предыдущие модели, что резко противоречит устоявшимся представлениям о картировании мутаций гриппа.

Авторы отмечают, что использование данных HI должно повысить точность прогноза, но это непростая задача. Кроме того, высокая частота «ложноположительных» результатов мешает использованию измерений HI для раннего обнаружения новых штаммов в сроки, необходимые для разработки вакцин. Они пишут: «Основная задача, следовательно, — найти способ снизить уровень ложноположительных результатов в прогнозировании на основе HI».

«В заключение, — добавляют они, — наше исследование демонстрирует, что данные HI естественным образом интегрируются в филогению вируса, полученную из последовательностей. Хотя в настоящее время прогнозирование на основе HI не превосходит методы, основанные на последовательностях, лучшее понимание генетической контекстной зависимости данных HI может открыть путь к повышению эффективности».